Официальный Python-клиент и сервер Model Context Protocol (MCP) для BanditDB — сверхбыстрой, неблокирующей базы данных контекстуальных бандитов, написанной на Rust.
BanditDB скрывает сложную линейную алгебру обучения с подкреплением (LinUCB, семплирование Томпсона) за предельно простым API. Создавайте персонализаторы реального времени, динамические A/B-тесты и давайте LLM-агентам математически строгую постоянную память.
pip install banditdb-pythonТребуется запущенный Rust-сервер BanditDB (по умолчанию: http://localhost:8080).
Related MCP server: Copilot Memory Store
Клиент поддерживает автоматический пул соединений, экспоненциальные повторные попытки с задержкой и строгие таймауты.
from banditdb import Client, BanditDBError
# Connect to the BanditDB server.
# Pass api_key if BANDITDB_API_KEY is set on the server.
db = Client(
url="http://localhost:8080",
timeout=2.0,
api_key="your-secret-key", # omit if server runs without auth
)
try:
# 1. Create a campaign (run once at startup)
# algorithm defaults to "linucb"; use "thompson_sampling" for Bayesian exploration
db.create_campaign(
campaign_id="checkout_upsell",
arms=["offer_discount", "offer_free_shipping"],
feature_dim=3,
)
# or: db.create_campaign(..., algorithm="thompson_sampling")
# 2. A user arrives — ask the database what to show them
# Context: [is_mobile, cart_value_normalized, is_returning_user]
arm_id, interaction_id = db.predict("checkout_upsell", [1.0, 0.8, 0.0])
print(f"Showing: {arm_id}") # e.g., "offer_free_shipping"
# 3. The user clicked — send the reward
db.reward(interaction_id, reward=1.0)
except BanditDBError as e:
print(f"Database error: {e}")Здоровье
Метод | Описание |
| Возвращает |
| Возвращает полный словарь состояния, включая |
Кампании
Метод | Описание |
| Зарегистрировать новую кампанию. |
| Возвращает список всех кампаний (активных и архивных) с |
| Возвращает полное состояние по каждому arm: |
| Отчёт о сходимости на бизнес-уровне. |
| Операторская диагностика: нормы theta по arm, границы неопределённости A_inv, состояние энтропии ( |
| Мягкое удаление: приостанавливает предсказания/награды, но сохраняет все обученные веса. Восстановимо с помощью |
| Восстановить архивную кампанию в активный статус со всеми весами. |
| Полностью удалить кампанию. Возвращает |
Предсказание и награда
Метод | Описание |
| Возвращает |
| Предсказание для до 100 пар кампания/контекст за один запрос. Каждый элемент: |
| Записать результат. |
Данные и экспорт
Метод | Описание |
| Сброс WAL, снимок моделей, запись Parquet-шардов, нейронное переобучение + турнирная оценка, ротация WAL. Возвращает сводную строку. |
| Список Parquet-шардов экспорта, сгруппированных по кампаниям. Возвращает |
Стандартные LLM-агенты не имеют состояния — если они направляют задачу не той модели и терпят неудачу, завтра они повторят ту же ошибку. Встроенный MCP-сервер BanditDB даёт всему рою агентов общую постоянную память.
# Set environment variables before starting
export BANDITDB_URL=http://localhost:8080
export BANDITDB_API_KEY=your-secret-key # omit if server runs without auth
banditdb-mcpДобавьте в файл конфигурации Claude:
Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"banditdb": {
"command": "banditdb-mcp",
"args": [],
"env": {
"BANDITDB_URL": "http://localhost:8080",
"BANDITDB_API_KEY": "your-secret-key"
}
}
}
}Теперь у роя агентов есть девять инструментов:
Инструмент | Что делает |
| Создать новую кампанию принятия решений. Принимает |
| Список всех активных кампаний (показывает |
| Проверить состояние обучения по каждому arm: |
| Отчёт о сходимости на бизнес-уровне. Сообщает, достигла ли кампания статистической сходимости и какой arm выигрывает с доверительными интервалами. |
| Спросить BanditDB, какой arm выбрать для данного контекста. Возвращает arm и |
| Получить решения для нескольких кампаний за один запрос. Передайте список словарей |
| Сообщить, успешно ли выбранное действие (1.0) или нет (0.0). Обновляет общую модель. |
| Мягкое удаление кампании. Приостанавливает предсказания/награды, но сохраняет все обученные веса. |
| Восстановить архивную кампанию в активный статус со всеми весами. |
Каждое решение, принятое любым агентом в сети, улучшает маршрутизацию для всех будущих агентов.
BanditDB записывает каждое предсказание и награду в журнал упреждающей записи (WAL). Вызов checkpoint() компилирует завершённые пары предсказание→награда в Snappy-сжатые Parquet-файлы — по одному на кампанию — для офлайн-анализа с Polars или Pandas.
Каждое предсказание гарантированно появится в Parquet-файле, даже если его награда приходит часами позже: BanditDB повторно фиксирует незавершённые взаимодействия при каждой контрольной точке, поэтому отложенные награды всегда попадают в будущий цикл.
# Checkpoint: snapshot models, write Parquet, rotate the WAL.
# Call this on a schedule or after significant traffic.
summary = db.checkpoint()
print(summary)
# "Checkpoint written and WAL rotated: 2 campaigns, offset 4821 bytes,
# 150 interactions exported, 3 in-flight re-emitted"
# List which Parquet files are available
print(db.export())
# 'Parquet files in /data/exports: ["llm_routing.parquet"]'
# Load directly from the mounted volume into Polars.
# Flat schema: interaction_id | arm_id | reward | predicted_at | rewarded_at | propensity | feature_0 | ...
import polars as pl
df = pl.read_parquet("/data/exports/llm_routing.parquet")
print(df.head())
print(df.columns)SDK включает три OPE-оценщика в banditdb.eval. Они отвечают на вопрос: «какой была бы моя средняя награда при другой политике — без проведения живого эксперимента?»
Установите зависимости для оценки:
pip install "banditdb-python[eval]"Оценщик | Функция | Как работает | Когда использовать |
Replay |
| Принимает каждое взаимодействие с вероятностью | Проверка базового уровня. Низкое покрытие ожидаемо — используется ~1/K взаимодействий. |
IPS / SNIPS |
| Использует каждое взаимодействие с весовым коэффициентом важности | Основной оценщик. Используйте, когда данных достаточно, но нужно полное покрытие. |
Doubly Robust |
| Подгоняет линейную модель награды, затем применяет IPS-коррекцию к остаткам. Состоятелен, если верна либо модель награды, либо пропенсити. | Наилучшая статистическая эффективность. Используйте при сравнении нескольких политик или переборе |
Все три оценщика:
Принимает DataFrame Polars или pandas, загруженный из экспорта BanditDB Parquet
Оценивает равномерную случайную политику как целевую (непредвзятый базовый уровень, который нужно превзойти)
Вызывает ValueError для кампаний Thompson Sampling (столбец propensity равен null — TS не логирует склонности)
Возвращает OPEResult с estimate, std_error, n_used, n_total и method
import polars as pl
from banditdb.eval import replay, ips, doubly_robust
df = pl.read_parquet("/data/exports/llm_routing.parquet")
# How much reward would a uniform random policy have earned?
print(replay(df))
# OPEResult(method='replay', estimate=0.4821, std_error=0.0312, coverage=22.1% [33/149])
print(ips(df))
# OPEResult(method='ips', estimate=0.5103, std_error=0.0187, coverage=100.0% [149/149])
print(doubly_robust(df))
# OPEResult(method='doubly_robust', estimate=0.5219, std_error=0.0141, coverage=100.0% [149/149])
# Compare against the observed reward of the logging policy:
print("Observed (logging policy):", df["reward"].mean())
# If observed >> estimate, the campaign has learned something real — it outperforms random.Практическое применение: подберите alpha офлайн перед развертыванием. Обучите кампанию на реальном трафике, сохраните контрольную точку в Parquet, затем воспроизведите различные значения alpha через doubly_robust(), чтобы найти лучший уровень исследования — без необходимости живого эксперимента.
Примечание: OPE требует столбец
propensity, который записывается только для кампаний LinUCB. Кампании Thompson Sampling логируютnullсклонности, потому что выбор рукава TS стохастичен, а оценка склонности требует детерминированной политики логирования.
BanditDB поддерживает четыре алгоритма, выбираемых при создании кампании.
Алгоритм | Значение | Стиль исследования | Когда использовать |
LinUCB |
| Детерминированный бонус UCB: | Предсказуемый, настраиваемый. Подберите |
Линейный Thompson Sampling |
| Сэмплирует θ̃ ~ N(θ, α²·A⁻¹), оценивает по θ̃·x | Байесовский апостериор — не требуется подбор alpha. Одновременные пользователи автоматически разнообразят выбор. |
NeuralLinUCB |
| Глубокое MLP-встраивание + LinUCB в пространстве встраивания | Нелинейные функции вознаграждения. Переобучает MLP каждые N вознаграждений. |
Progressive |
| Самонастраивающийся турнир: запускает базовую и конкурирующую модели параллельно, переключает трафик на победителя | Выбор модели без конфигурации. Автоматически выбирает лучший алгоритм. |
from banditdb import Client, NeuralLinUCBConfig, ProgressiveConfig
db = Client("http://localhost:8080")
# LinUCB (default)
db.create_campaign("routing", ["fast", "cheap"], feature_dim=4, alpha=1.5)
# Thompson Sampling — natural Bayesian exploration, alpha=1.0 is ideal
db.create_campaign("routing_ts", ["fast", "cheap"], feature_dim=4,
algorithm="thompson_sampling")
# NeuralLinUCB — learns a deep embedding of the context, then applies LinUCB
cfg = NeuralLinUCBConfig(
context_dim=4, # must match feature_dim
embed_dim=32, # arm matrix dimension (default 32)
hidden_dim=128, # MLP hidden layer width (default 128)
retrain_every=200, # retrain the MLP every N cumulative rewards
)
db.create_campaign("routing_neural", ["fast", "cheap"], feature_dim=4, algorithm=cfg)
# Progressive — runs LinUCB vs NeuralLinUCB, shifts traffic to whoever wins SNIPS checkpoints
cfg = ProgressiveConfig(
base="linucb",
challenger=NeuralLinUCBConfig(context_dim=4, embed_dim=32),
min_obs=100, # minimum buffer entries per arm before any traffic shift
required_wins=3, # consecutive checkpoint wins to earn one traffic step
step_bps=1000, # traffic delta per win run, in basis points (1000 = 10%)
)
db.create_campaign("routing_prog", ["fast", "cheap"], feature_dim=4, algorithm=cfg)Все четыре алгоритма используют один и тот же цикл predict → reward.
Исключение | Когда возникает |
| Базовое исключение — перехватывайте его для обработки всех ошибок SDK. |
| Сервер офлайн или недоступен. |
| Запрос превысил настроенный тайм-аут. |
| Сервер вернул ошибку (например, кампания не найдена, нет авторизации). |
Apache-2.0 — Copyright (C) 2026 Simeon Lukov and Dynamic Pricing Ltd. Подробности см. в основном репозитории.
Recent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.
No tool schema history has been recorded yet.
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Universal memory for AI agents and tools. Save, organize and search context anywhere.
Persistent memory and knowledge management for AI agents with semantic search and 50+ tools.
Shared, governed long-term memory for AI agents across tools and sessions via MCP and REST.
Persistent, inspectable memory for AI agents with lineage, correction, and a hosted MCP endpoint.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/dynamicpricing-ai/banditdb-python'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
